基于低压拓扑配电网下的阻抗计算模型

技术领域

本发明涉及一种基于低压拓扑配电网下的阻抗计算模型，属于配电网技术领域。

背景技术

线路阻抗是线路状态感知及配电台区运行状态监测的重要参数。因此在智能配电网的建设中是一个重要的指标。阻抗参数不仅可以在线路老化、破损和裂化等方面给出具体的相关性表现，还可以在理论线损方面给出正相关的特性。最主要其在配电网出现故障时，可以缩短故障定位和原因诊断的时间。这对线路健康度及整体电力系统的运行分析提供了准确的参数依据。

目前，阻抗的计算方法有经验估值法、实测估值法和等值模型估值法等。然而在拓扑结构下的配电网中，使用这些方法测算的阻抗值不是准确度不足就是成本较大，很难在复杂配电网下算出准确、合理的阻抗数据。同时，拓扑结构的配电网，往往又因为档案文档的缺失或拓扑关系不及时更新导致“户-相-变”存在与档案对不上的问题，从而造成阻抗数据存在极大的误差。

发明内容

发明目的：针对上述现有存在的问题和不足，本发明的目的是提供一种基于低压拓扑配电网下的阻抗计算模型，通过“户-相-变”匹配解决复杂环境下的拓扑结构，再通过分段算法得到整个电路的支线、干线阻抗数据，最后统计整个电路系统异常阻抗数据；这个计算模型不仅节约成本而且可以快速响应得到直观有效的阻抗参数；同时，经过验证计算得到的阻抗数据准确性、合理性大幅度提高，这对智能电网的建设起到重要作用。

技术方案：为实现上述发明目的，本发明采用以下技术方案：

一种基于低压拓扑配电网下的阻抗计算模型，包括如下步骤：

步骤1：数据采集：每天按时段采集户表和总表的运行数据，分别为户表U

步骤2：选择分析时段：读取各时段内的配变变压器及低压配电电柜信息、用户电器的电压电流数据；

步骤3：判别成功率：间隔时间取若干次步骤2中的电压电流的数据抽取时段进行成功率判别，若抽取时段的采集成功率高于数据完备阈值，则进行步骤4；若抽取时段内的采集成功率低于数据完备阈值，则重新选取分析时段；

步骤4：比较相似度：档案中相位有A、B、C三相，有六种组合情况：ABC、ACB、BAC、BCA、CAB和CBA，一天中分时间段取N个点，进行单相用户和三相通过户表与总表电压曲线数据之间的相似度计算，取相似度最高的台区及相位作为该用户拓扑的实际归属关系；

步骤5：分段进行阻抗计算：基于步骤2中的低压配电电柜信息，结合用户电器的电压电流数据，进行分段阻抗计算；

步骤6：通过带约束的二元线性回归方法，计算得到用户的回路阻抗；

步骤7：将步骤6得到的干线阻抗和支线阻抗相加作为用户的回路阻抗，以阻抗异常阈值为阻抗异常判断标准；

步骤8：将步骤7得到的判断数据集合，通过统计程序得到整个台区的阻抗数据及异常阻抗数据。

进一步的，所述步骤3间隔15分钟取96次步骤2中的电压电流的数据进行成功率判别。

进一步的，所述步骤3中的数据完备阈值为90%。

进一步的，所述步骤4中的相似度算法为皮尔逊算法。

进一步的，所述步骤5、6中的分段阻抗计算，建立方程组及回归方程如下：

其中，

td为对应时段某一时刻的电压值和电流值；

再通过回归的方式计算用户的回路阻抗，公式如下：

其中，UT：与用户U2同相的配变相电压，V；

U2：U2用户的电压，V；

N：表示对应时段内电压取点的次数；

ti：表示对应时段内某一时刻的电压值；

进一步的，所述步骤7中的阻抗异常阈值为0.2±0.05。

有益效果：与现有技术相比，本发明具有以下优点：因此降低成本来得到准确且合理的阻抗数据，对整个电力系统的稳定运行及整个线路异常分析都起到重要的作用；同时，也是对复杂拓扑结构下的低压配电网提供完善的智能计算方式。本方法在大数据（pyspark+ python）的技术依赖下，通过单相、三相用户对“户-相-变”的重新匹配（采用皮尔逊相似法），以每天时间分段对用户、配变进行监测得到电压、电流数据，再利用基尔霍夫电压定律方程得到方程组来分段计算电路干线、支线数据[xx]，最后通过阻抗异常的判别标准及整个低压配电网的阻抗统计来快速获取异常阻抗及异常原因。

附图说明

图1是本发明的实施例的计算整体流程图；

图2是本发明的实施例的户-相-变匹配矩阵过程示意图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，一种基于低压拓扑配电网下的阻抗计算模型，以下南京江宁区某小区低压电力拓扑辨识、阻抗计算及异常判断来详细地说明本发明的技术方案。

步骤1：以15分钟周期采集小区变压器出线端的电流、电压，并附带数据时标，得到带时标信息变压器运行数据集UT1，UT2，UT3，... UT96；以15分钟周期采集小区户表进线端的电流、电压，并附带数据时标，得到带时标信息户表运行数据集U1，U2，U3，... U96；

步骤2：针对数据集U1至U96与UT1至UT96，分别通过对应的时标值进行皮尔逊计算法比较，提取得到新的时序特征数据集如图2；

步骤3：取一周时间为时间窗口，分别对每天总表到户表的阻抗进行计算（流程1阻抗计算核心算法），通过基尔霍夫电压方程组和带参回归方程组求出对应的支线（ZX_MEAN）和干线（GX_MEAN）的阻抗均值，整体流程如图1；

步骤4：通过大数据统计程序及阻抗异常的判断标准（阈值0.2），对异常阻抗及异常原因进行统计，如图2所示。

计算算法：阻抗计算部分：

干线电流由两部分组成，即日均电压高于当前计算用户的（a）与日均电压不超过当前计算用户的（b）叠加构成：

计算公式的选择。

对于一天

A.当一天中户表电流

B.当一天中户表电流

方程组求解：

经过上面公式可得到如下方程组：

或者

采用曲线拟合方法（scipy.optimize.curve_fit()）求解方程组；对ZZX和ZGX要增加约束条件（0 , 5]；对于三相用户要分别求出A、B、C相位的回路阻抗。